基于多路径级联深度神经网络的图像显著性目标检测算法研究

来源 :西北大学 | 被引量 : 0次 | 上传用户:hulianwu2009
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
人类视觉系统的注意力机制使人类选择性地关注图片中信息量最大、最具特征的部分,而不是整个场景。通过计算机学习人类的这种视觉机制,被称为图像显著性目标检测。传统的方法可以借助颜色和纹理等低级特征信息去学习自然图像中的显著性信息。然而面对一些包含复杂背景、连续目标或低对比度等特点的自然图像时,传统方法的检测效果较差。而深度卷积神经网络能够利用大量的神经元学习输入图像中的多尺度、多水平的特征信息,相较于传统方法具有更多的优势。因此本文提出了多种基于卷积神经网络的图像显著性目标检测算法,主要工作包括:(1)提出一种结合注意力机制与多路径级联特征优化网络的显著性目标检测模型。由两个部分构成:基于注意力机制的多层次特征提取和多路径级联特征优化。多层级特征提取过程采用的是挤压激励残差网络,能够有选择地自动学习和关注输入部分。多路径级联特征优化网络通过对提取到的多层级特征进行逐层优化、逐层上采样以及逐层特征融合最终获得结果图。在四个公开数据集上与CHFR算法相比,MAE指标(越小越好)分别下降了1.75%、1.58%、1.03%和1.23%;ω-F_β指标(越大越好)分别提高了5.92%、6.45%、10.23%和5.09%。(2)提出一种结合上下文信息与特征融合网络的轻量级显著性目标检测模型。由三个部分构成:结合上下文信息的多尺度特征提取,轻量级特征优化与多层次特征融合。多尺度特征提取基于多尺度残差网络Res2Net,生成粗糙特征图。然后,使用基于可分离式卷积的轻量化特征优化模块逐步优化特征。最后,将提取到的多层次特征融合到一起,得到最后的显著性结果图。在四个公开数据集上与Pool Net算法相比,MAE指标分别下降了1.2%,0.4%,0%和0.4%;max-F_β指标分别上升了0.4%,0%,-1.7%和0.2%。(3)设计了基于显著性目标检测的图像处理系统原型。该系统具有图像背景虚化、一键抠图、风格变换与异度空间等丰富的美图功能。这项工作中所提出的两种图像显著性目标检测算法,不但提高了检测性能,而且降低了检测成本。同时,设计了基于显著性目标检测的图像处理系统原型,具有友好的人机交互式界面,能够为对美图有需求的用户带来诸多便利。
其他文献
随着网络技术的不断发展,各种新型网络形态出现,如物联网、数据中心等,它们对网络服务提出了更高的要求。在灵活、共享底层网络资源的前提下,屏蔽底层网络软硬件差异、充分合理利用网络资源成为解决网络发展瓶颈的一个方向。虚拟网络映射成为一种重要的解决方法。目前,虚拟网络映射问题已经被充分大量的研究。但在集中式方法中,虚拟节点映射与虚拟链路映射都在同一个控制节点中进行,映射时间较长,整体映射效率很低;在其它改
视觉显著性检测算法在图像压缩、图像分类、图像检索等应用中都起到至关重要的作用。研究者们提出了众多的显著性检测算法。本文通过对比各显著性检测算法得到的显著性图像,
硬件木马是一种在电路中人为植入的具有特定恶意目的的电路,硬件木马可能造成电路的秘密信息泄露,芯片功能被破坏甚至使芯片功能失效,将会给社会的经济与安全带来巨大威胁,因
研究背景:肾细胞癌(Renal cell carcinoma,RCC)是最常见的泌尿生殖系统肿瘤之一,在美国男性肿瘤中位居第七。肾细胞癌是泌尿生殖系统所有恶性肿瘤中发病率和死亡率最高的。肾
自主可控是信息安全乃至国家安全的重要保障。随着国家自主可控战略的不断推进,涌现了一大批国产化的软硬件技术,如申威处理器、龙芯处理器、深度操作系统、麒麟操作系统和UO
众包模式是一种外向型的开放式创新,是公司或组织从外部组织获得现有资源的一种方式。众包平台是一种典型的双边市场,众包任务设计以及众包平台激励机制都会对众包参与效果产
长沙五一广场东汉简牍中所蕴含的经济信息较为丰富,其中涉及到物价、市场、航运以及民众日常经济活动等重要信息。从当地的物价信息来看,出现了较为丰富的商品种类,大致分为
目标跟踪算法是人工智能和计算机视觉研究领域的重要组成部分,广泛应用于智能监控等系统中,在生产生活和实际工程中都有很重要的研究价值。本文学习和总结了当前几种主流的目标跟踪算法,并且深入研究了基于压缩感知的目标跟踪算法,针对该算法在外界光照变化和目标局部遮挡时易出现跟踪漂移等情况,提出了相应的改进算法。文章首先详细介绍了压缩感知理论,并且应用该理论对信号重构进行了实验仿真。然后说明了压缩跟踪算法的理论
随着工厂智能制造模式兴起,移动机器人在人类社会的多个领域开始扮演着重要角色,尤其在工业领域有着重要的应用需求。因此,对自主移动机器人技术的研究具有广泛的应用前景,而
随着智能家居的市场规模的不断扩张以及自然语言处理技术的快速发展,自然语言处理技术的研究价值以及在智能家居领域的应用前景开始飞速上升。为了更好的研究和应用自然语言